PENINGKATAN CITRA FUNDUS RETINA MENGGUNAKAN METODE CLAHE DENGAN MEDIAN FILTER DAN ORDER STATISTIK FILTER

i

PENINGKATAN CITRA FUNDUS RETINA

MENGGUNAKAN METODE CLAHE DENGAN

MEDIAN FILTER DAN ORDER STATISTIK FILTER

TUGAS AKHIR

Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

OLEH :

PUTRA SUNAN AGUNG 09011181520013

JURUSAN SISTEM KOMPUTER

FAKULTAS ILMU KOMPUTER

ii

LEMBAR PENGESAHAN

Peningkatan Citra Fundus Retina menggunakan Metode

Clahe dengan Median Filter dan Order Statistik Filter

TUGAS AKHIR

Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Oleh:

PUTRA SUNAN AGUNG 09011181520013

Indralaya, 2020

Mengetahui,

Ketua Jurusan Sistem Komputer Pembimbing Tugas Akhir

Dr.Ir.H. Sukemi, M.T. Dr.Erwin, M.Si.

iii

HALAMAN PERSETUJUAN

Telah diuji dan lulus pada :

Hari :

Tanggal : 2020

Tim Penguji :

1. Ketua : Firdaus, M.Kom.

2. Pembimbing : Dr.Erwin, M.Si.

3. Penguji I : Prof. Dr. Ir. Siti Nurmaini, M.T. 4. Penguji II : Kemahyanto Exaudi, M.T.

Mengetahui

Ketua Jurusan Sistem Komputer

Dr.Ir.H. Sukemi, M.T. NIP. 196612032006041001

v

HALAMAN PERSEMBAHAN

Dengan rasa syukur Alhamdu lillahi rabbil 'alamin, sebuah karya yang dapat kupersembahkan kepada :

-

Kedua orang tuaku yang telah mengajari, mendidik, membesarkanku, memberi kasih sayang, mendukung, memberi motivasi, dan semangat.

-

Saudara-saudara kandungku yang kusayangi.

-

Paman,bibi dan keluarga besar ku

-

Dosen pembimbing

-

Sahabat-sahabat SK15

-

Teman-teman Lab Ambyar

-

Teman-teman Retina Squad

-

Teman-teman perjuangan di Fakultas Ilmu Komputer Jurusan Sistem Komputer 2015

إِن َّ إللِّهَ إللّا إُغ ي للّرُُ م للّا إِق َوللّم ٍ إَتِى للّٰ َُ ُغ ي للّرُُ م للّا إَأ ن فُسَهللّم ٍ

“Sesungguhnya Allah tidak akan mengubah keadaan suatu kaum sebelum mereka mengubah keadaan diri mereka sendiri.” (QS.ar-Ra’d:11)

vi

“Tubuh seseorang tidak akan lemah jika ia memiliki niat yang kuat.” (Imam Ja’farإAs-Shodiq)

“Sesungguhnya keutamaan seorang yang berilmu dibanding ahli ibadah, seperti keutamaan bulan di malam purnama dibanding seluruh bintang- bintang.” (HR.

Abu Dawud dan Ibnu Majah)

"Sesungguhnya amal ibadah itu tergantung hasil akhirnya." (HR. Bukhari)

"Jika engkau tertimpa suatu musibah, maka janganlah engkau katakan : 'Seandainya aku lakukan demikian dan demikian.' Akan tetapi hendaklah kau katakan : 'Ini sudah jadi takdir Allah. Setiap apa yang telah dia kehendaki pasti

terjadi.' Karena perkataan law (seandainya) dapat membuka pintu setan." (HR Muslim)

vii

KATA PENGANTAR

Bismillahirrahmanirrahim.إAssalamu’alaikumإWr.إWbإ.إSegalaإpujiإhanyaإ milik Allah SWT. Shalawat serta salam selalu tercurahkan kepada Rasulullah SAW, sebab telah melimpahkan rahmat-Nya berupa kesempatan dan pengetahuan sehingga penulis sampai pada detik ini dapat menyelesaikan penyusunan tugas akhir ini dengan judul “Peningkatan Citra Fundus Retina menggunakan Metode Clahe dan order statistik filter”.

Perjalanan panjang telah dilalui oleh penulis dalam rangka penyusunan tugas akhir ini. Banyak hambatan yang terjadi dan dihadapi, namun berkat kehendak-Nyalah penulis dapat menyelesaikan penyusunan tugas akhir ini. Oleh sebab itu, dengan rasa penuh kerendahan hati, pada kesempatan ini maka penulis mengucapkan rasa syukur kepada Allah SWT dan berterima kasih kepada:

1. Orangtua, Bapak Badarudin dan Ibu Zalelah selalu memberikan motivasi, semangatإ danإ do’aإ sertaإ memberikanإ dukunganإ yangإ penuhإ untukإ tetapإ bertawakkal.

2. Bapak Jaidan Jauhari, S.Pd. M.T sebagai Dekan Fakultas Ilmu Komputer Universitas Sriwijaya

3. Bapak Dr. Ir. H. Sukemi,M.T. sebagai Ketua Jurusan Sistem Komputer Fakutas Ilmu Komputer Universitas Sriwijaya

4. Bapak Dr. Erwin, S.Si., M.Si. sebagai Pembimbing Tugas Akhir Penulis di Jurusan sistem komputer.

5. Ibu Prof. Dr. Ir. Siti Nurmaini, M.T. selaku Dosen Pembimbing Akademik di Jurusan Sistem Komputer.

6. Winda Kurnia Sari, selaku admin jurusan Sistem Komputer yang telah membantu mengurus seluruh berkas.

7. Seluruh Staf pegawai Fakultas Ilmu Komputer Universitas Sriwijaya yang telah memberikan nasehat.

viii

8. Tomi kiyatmoko, Abdul Rohman, Dian A, Teman Lab Ambyar, Teman bimbingan Retina Squad 2015 dan Teman-Teman lainnya sebagai tempat diskusi, membantu dalam proses belajar dan memberi semangat serta motivasi.

9. Seluruh teman-teman Jurusan Sistem Komputer angkatan 2015 yang tidak dapat saya sebutkan satu persatu.

Penulis juga berterima kasih kepada semua pihak yang terlibat secara langsung maupun tidak langsung untuk penyelesaian tugas akhir ini.

Tentu pada pembuatan tugas akhir ini, masih tidak terlepas dari beberapa kesalahan dan kekurangan yang mungkin akan terjadi. Oleh sebab itu sebagai bentuk bahan perbaikan masa yang akan datang maka penulis tentu mengharapkan berupa kritik, saran, dan masukan pada tugas akhir ini.

Semoga tugas akhir ini bisa bermanfaat bagi pembaca ataupun bagi penulis sendiri. Demikian yang bisa penulis sampaikan.

Wassalamu’alaikumإWr.Wbإ

Indralaya, 2020

ix

Enhancement of the Fundus Retina image using the Clahe

Method and order statistical filter

Putra Sunan Agung (09011181520013)

Computer Engineering Department, Computer Science Faculty, Sriwijaya University

Email : Putrasunan444@gmail.com

Abstrac

The retina also has a very thin membrane. The retina can be done as a shaper and then carried by nerves to the brain. In the retina there are yellow points that are sensitive to light & blind points that are not sensitive to light in the sense of compilation of light about blind points so humans cannot see the object. Retina can overcome abnormalities commonly called the retina or retinal disease. Retinal abnormalities are parts of the retina in the eye that have a bad influence on human vision.

Therefore the Enhacemtent manual is a long task and requires training, many automatic methods are needed. In this final project, using Clahe, statistical order filter and Unsharp Masking In the process of improving the image this time using a dataset from STARE and DRIVE, then retrieve values from MSE and PSNR, then on the values in the STARE dataset MSE 1.40 and PSNR 46.71, and in the dataset DRIVE MSE 5.94 and PSNR 41.43.

x

PENINGKATAN CITRA FUNDUS RETINA

MENGGUNAKAN METODE CLAHE DENGAN

MEDIAN FILTER DAN ORDER STATISTIK FILTER

Putra Sunan Agung (09011181520013)

Computer Engineering Department, Computer Science Faculty, Sriwijaya University

Email : Putrasunan444@gmail.com

Abstrac

Retina juga memiliki membran yang sangat tipis. Retina dapat dilakukan sebagai pembentuk dan kemudian dibawa oleh saraf ke otak. Di retina ada titik kuning yang sensitif terhadap cahaya & titik buta yang tidak sensitif terhadap cahaya dalam arti kompilasi cahaya tentang titik buta sehingga manusia tidak dapat melihat objek. Retina dapat mengatasi kelainan yang biasa disebut retina atau penyakit retina. Abnormalitas retina adalah bagian retina di mata yang memiliki pengaruh buruk pada penglihatan manusia.

Oleh karena itu manual Enhacemtent adalah tugas yang panjang dan membutuhkan pelatihan, banyak metode otomatis diperlukan. Dalam tugas akhir ini, menggunakan Clahe, filter urutan statistik dan Unsharp Masking Dalam proses meningkatkan gambar kali ini menggunakan dataset dari STARE dan DRIVE, kemudian mengambil nilai dari MSE dan PSNR, kemudian pada nilai-nilai dalam dataset STARE MSE 1.40 dan PSNR 46,71, dan dalam dataset DRIVE MSE 5.94 dan PSNR 41.43.

Kata kunci: Peningkatan, Clahe, Filter Statistik Statistik, Masking Unsharp Keywords: Enhancement, Clahe, Order Statistik Filter, Unsharp Masking

xi

DAFTAR ISI

Halaman

Halaman Judul ... i

Halaman Pengesahan ... ii

Halaman Persetujuan ... iii

Halaman Pernyataan ... iv

Kata Pengantar ... v

Halaman Persembahan... vii

Abstrak ( Inggris) ... vii

Abstrak ( Indonesia) ... ix Daftar Isi ... x Daftar Gambar...xiv Daftar Tabel ...xv Daftar Lampiran...xvi BAB I. PENDAHULUAN 1.1 Latar Belakang...1 1.2 Perumusan Masalah…...3 1.3 Tujuan Penelitian…... 3 1.4 Manfaat Penelitian...…... 3 1.5 Batasan Masalah...3 1.6 Penataan Penulisan...4

BAB II. TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu ... 5

2.2 Landasan Teori ... 6

2.2.1 Citra...6

xii

b.) peningkatan gambar...8

c.) pemilihan gambar...8

d.) pemrosesan morfologi...8

e.) pemrosesan wavelt dan multitiresolution...8

f.) kompresi...8

g.) pemrosesan morfologi...8

h.) segmentasi...9

i.) representasi dan dekskripsi...9

2.2.2 Retina...9

2.2.3 Grayscale……...10

2.2.4 Citra Binne...12

2.2.5 Citra RGB…...14

2.2.6 CLAHE...16

2.2.7 Filter Enhancement pada citra...22

2.2.7.1 Median Filter...22

2.2.7.2 Order Statistik Filter...23

2.2.7.3 Unsharp Masking...24

2.2.8 PSNR………...25

2.2.9 MSE...26

BAB III. METODOLOGI 3.1 Dataset ... 29

3.1.1 Dataset STARE ... 29

3.1.2 Dataset DRIVE ... 30

3.2 Metode ... 32

A. Blok Diagram Proses... 32

B. Tahapan ... 33

1. Input Gambar………...33

xiii

3. pra-enhancement ... 35

4. enhancement filter ... 36

5. Output Image... 38

BAB IV. HASIL DAN ANALISISA 4.1 Pemrolehan citra dan Dataset ... 39

4.1.1 Database STARE dan DRIVE ... 39

4.1.2 Dataset... 39 4.2 Langkah Pemrograman ... 47 1. input gambar ... 47 2. pra-proses ... 47 3. pra-enhancement ... 49 4. enhancement filter ... 50 5. hasil analisis ... 55

4.3 Perbandingan Hasil olah ... 59

4.3.1 STARE ... 61

4.3.2 DRIVE ... 69

4.4 Perbandingan hasil TA1 dan TA2 ... 76

4.5 Perbandingan Hasil Enhancement citra retina ... 77

BAB V. KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 51

5.2 Saran... 52

xiv

DAFTAR GAMBAR

Gambar 2.1. struktur pada retina ... 10

Gambar 2.2. layer RGB ... 10

Gambar 2.3. gabungan RGB pada Matlab... 15

Gambar 2.4. bentuk wilayah citra ... 19

Gambar 3.1. citra retina pada dataset STARE ... 29

Gambar 3.2. citra retina pada dataset DRIVE ... 31

Gambar 3.3. flowchard greenchannel ... 34

Gambar 3.4. flowchard Clahe ... 35

Gambar 3.5. flowchard Order Statistik Filter ... 36

Gambar 3.6. flowchard Unsharp Masking ... 37

Gambar 4.1. citra input ... 47

Gambar 4.2. Green Channel ... 48

Gambar 4.3. input perbandingan dengan pada RGB ... 49

Gambar 4.4. Clahe ... 50

Gambar 4.5. hasil Order Statistik Filter ... 52

Gambar 4.6. hasil Unsharp Masking ... 54

Gambar 4.7. input image ... 54

Gambar 4.8. Order Statistik Fiter ... 55

Gambar 4.9. Unsharp Masking ... 55

Gambar 4.10. Nilai perhitungan DRIVE ... 55

xv

DAFTAR TABEL

Tabel 4.1. Dataset Stare Dan Drive ... 40

Tabel 4.2. Hasil Dari perbandingan RGB ... 49

Tabel 4.3. Hasil Dataset DRIVE ... 61

Tabel 4.4. Hasil Dataset DRIVE OSF dan UM ... 67

Tabel 4.5. Hasil Dataset STARE ... 69

Tabel 4.6. Hasil Dataset STARE OSF dan UM ... 75

Tabel 4.7. Hasil Dataset STARE Median filter dan OSF ... 76

Tabel 4.8. Hasil dataset DRIVE median filter dan OSF ... 77

Tabel 4.9. analogi hasil PSNR dan MSE secara dataset yang tersedia ... 77

Tabel 4.10. Perbandingan dataset acuan STARE ... 77

xvi

DAFTAR LAMPIRAN

LAMPIRAN 1. Source Code penghitungan MSE dan PSNR LAMPIRAN 2. Form Revisi Tugas Akhir

17

BAB I

PENDAHULUAN

1.1. Latar Belakang

Di dunia kesehatan atau medis saat ini, peningkatan citra medis adalah salah satu bagian yang menarik perhatian peneliti untuk menganalisa penyakit. Citra retina adalah citra medis yang berguna untuk diagnosis klinis agar dapat mendeteksi kelainan pada retina [1]. Citra retina merupakan citra yang diperoleh oleh kamera fundus yang berperan untuk mengambil fitur semacam retina, daerah diskus optik, dan daerah macula. Diagnosis pada citra retina sangatlah penting dikarenakan banyaknya kelainan yang di rurunkan pada fungsi penglihatan seperti deklinasi macula [2], hipertensi, retinopat diabet [3], glaukomma [1], dan lainnya.

kelainan pada retina bisa ditemukan dengan kelainan yang bisa berpengaruh pada penglihatan manusia semacam kurangnya kejelasan pada penglihatan (kabur/buram) bahkan bisa menimbulkan kebutaan [4]. penyakit di retina bisa dilihat di bagian mata misalnya pengembangan pembuluh darah pada retina, terjadinya pen-darahan yang terdapat di retina, terdapat perubahan di macula, dan juga terjadinya hal-hal lain yang terjadi di retina [2].

Nilai citra retina adalah salah satu kunci agar bisa melakukan diagnosis yang bisa [1], tetapi di metode citra sering dapat memperoleh citra yang mempunyai nilai yang rendah. Salah satu penyebab rendah nya pada nilai citra yaitu kurang jelas (blur) [5], tolak ukur cahaya yang tidak merata [6], kontras yang rendah [6] [7] serta gangguan (noise|) [8][9]. Hal ini bisa merepotkan pada diagnosis yang menafsirkan fitur mata bahkan dapat memilah kelainan pada retina [10], dari pada itu perbaikan nilai citra sangat diperlukan.

Retina juga mempunyai bentuk yaitu membran yang sangat tipis. Retina dapat berfungsi sebagai pembentuk bayangan kemudian dilanjutkan oleh saraf ke otak. Dalam retina terdapat bintik kuning yang peka terhadap cahaya & bintik buta yang tidak peka terhadap cahaya dengan artian ketika cahaya mengenai bintik buta maka manusia tidak bisa melihat benda tersebut. Retina dapat mengalami kelainan yang biasa disebut dengan kelainan retina atau penyakit retina. Kelainan retina merupakan suatu gangguan di bagian retina dalam mata yang mempunyai pengaruh buruk pada penglihatan manusia.

18

Maka dari itu Di dalam suatu metode citra retina perlu adanya peningkatan kualitas citra pada retina untuk mengatasi masalah ini memerlukan tindak lanjutan, maka dari itu adanya salah satu system proses yang bisa mengatasi hal semacam ini yaitu enhancement yang dimana enhancement berpengaruh besar pada kasus ini dan enhancement juga dikenal sebagai proses menjadikan image menjadi lebih baik secara visual

Penelitian ini melakukan perbandingan hasil dari Contrast Limited Adaptive Histogram Equalization (CLAHE) yang di kombinasikan dengan Median Filter ataukah Contrast Limited Adaptive Histogram Equalization (CLAHE) yang di kombinasikan dengan Order Statistik Filter. Yang dimana Contrast Limited Adaptive Histogram Equalization (Clahe) Merupakan metode kenaikan citra sehingga proses citra lebih terang. CLAHE ialah versi terbaru dari AHE (Adaptive Histogram Equalization) metode ini dapat merubah hasil pada citra pada nilai limit atau batas dari histogram. Pada metode median filter dan order statistk filter saya mengujinya dimana di antara salah satu dari filter tersebut lebih baik dan layak untuk di tindak lanjutkan, dan ternyata nilai dan hasil dari order satatistik filter lebih unggul dan lebih baik untuk di tindak lanjutkan dalam penelitian kali ini, ketika mendapatkan nlai dan hasil dari order statistik filter lalu di tambahkan lah filter unsharp masking agar image lebih tajam dan lebih baik.

Maka dari itu pada uraian di atas Kali ini mangajukan salah satu metode guna meningkatkan nilai atau kwalitas pada citra retina yang kurang baik dan cahaya atau kontrs yang rendah, adalah memakai Contrast Limited Adaptive Histogram Equalization (CLAHE) dengan order statistik filter yang di tambah kan dengan unsharp masking guna mempertajam dan baik pada hasil image.

.

1.2. Perumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan diatas, maka yang akan menjadi pembahasan dalam penelitian ini adalah sebagai berikut:

1. Bagaimana hasil dari filter median dan filter order statistic yang digunakan.

2. Bagaimana hasil akhir riset dengan menggunakan dataset STARE & DRIVE yang dimana acuannya MSE dan PSNR

3. Bagaimana hasil dan fungsi dari UM (Unsharp Masking).

19 1.3. Tujuan Tugas Akhir

Berikut adalah tujuan kali ini sebagai berikut:

1. Untuk mendapatkan hasil dari filter median dan filter order statistik.

2. Untuk mendapatkan hasil akhir riset dengan menggunakan dataset STARE & DRIVE yang dimana acuannya MSE dan PSNR

3. Untuk mendapatkan hasil dan fungsi dari UM (Unsharp Masking).

4. Untuk mendapatkan hasil dari kombinasi antara Order Statistik Filter dan Unsharp Masking.

1.4. Manfaat Tugas Akhir

Berikut manfaat kali ini sebagai berikut:

1. Agar memperoleh Citra pada Retina dengan metode Clahe disertai Filter tertentu. 2. Agar memperoleh kualitas citra pada retina di bidang kesehatan khususnya retina pada

mata berdasarkan perhitungan hasil MSE & PSNR.

3. Mengetahui penerapan metode Contrast-Limited Adaptive Histogram Equalization (CLAHE) dengan order statistik filter dan Unsharp Masking.

1.5.Batasan Masalah

Adapun batasan masalah mengenai Tugas Akhir ini yang melingkupi peningkkatan citra fundus retina menggunakan clahe dengan order statistic filter dan Unsharp Masking melalui tahap-tahap seperti input,praproses,enhancement kontras, peningkatan citra berdasarkan filter,hasil analisis.

1.6. Penataan pada Penulisan

Pada penataan atau pengaturan penulisan pada penelitian kali ini sebagai berikut:

BAB I PENDAHULUAN

Pada bagian ini mengenai latar belakang, rumusan problem ,tujuan riset, manfaat riset, dan batasan masalah, serta penataan pada penulisan.

BAB II TINJAUAN PUSTAKA

Pada bagian ini mengenai riset-riset terdahulu yang berasosiasi dengan persoalan yang di cermati dan menjadi referensi Ideal.

20

Pada bagian ini mengenai membahas analisis penyusunan ekstraksi untuk memperoleh hasil citra retina yang diinginkan.

BAB IV HASIL DAN ANALISIS

Pada bagian ini berisikan pengkajian tentang kualitas citra disertai Dataset, Kodingan atau bahasa pemrograman, Hasil, Pengukuran Parameter (MSE,PNSR), Pengkajian, serta uraian atau analisis

BAB V KESIMPULAN

Pada bagian ini mengenai kesimpulan akan semua isi penelitian ini dan berisikan masukan yang bisa dijadikan acuan bagi pengriset berikutnya.

DAFTAR PUSTAKA LAMPIRAN

21

DAFTAR PUSTAKA

[1] Y. Elloumi, M. Akil, N. Kehtarnavaz, Y. Elloumi, M. Akil, N. Kehtarnavaz, A. C. Efficient,إR.إDetection,إY.إElloumi,إM.إAkil,إandإN.إKehtarnavaz,إ“AإComputationally Efficient Retina Detection and Enhancement Image Processing Pipeline for

Smartphone-CapturedإFundusإImagesإToإciteإthisإversion :إHALإId :إhal-01796763 Brief Paper :إ Aإ Computationallyإ Efficientإ Retinaإ Detectionإ andإ Enhancementإ Imageإ Processing Pipeline for Smartphone-CapturedإFundusإImages,”إ2018.

[2] M.إShahidإandإI.إA.إTaj,إ“RobustإRetinalإVesselإSegmentationإusingإVesselإ’إsإLocationإ MapإandإFrangiإEnhancementإFilter,”إ2018.

[3] D.إ J.إ Hemanth,إ O.إ Deperlioglu,إ andإ U.إ Kose,إ “Anإ enhancedإ diabetic retinopathy detectionإandإclassificationإapproachإusingإdeepإconvolutionalإneuralإnetwork,”إNeural Comput. Appl., vol. 0, 2019.

[4] W.إ A.إ Mustafaإ andإ H.إ Yazid,إ “Conversionإ ofإ theإ Retinalإ Imageإ Usingإ Grayإ Worldإ Technique,”إvol.إ36,إpp.إ70–77, 2018.

[5] R.إK.إB,إH.إKabir,إandإS.إSalekin,إ“ContrastإEnhancementإbyإTop-Hat and Bottom-Hat Transformإ withإ Optimalإ Structuringإ Element :إ Applicationإ toإ Retinalإ Vesselإ Segmentation,”إSpringer Int. Publ. AG 2017, pp. 533–540, 2017.

[6] Y.إBae,إT.إVu,إandإR.إKim,إ“Leveraging Multiscale Hessian-Based Enhancement With aإNovelإExudateإInpaintingإTechniqueإforإRetinalإVesselإSegmentation,”إvol.إ00,إno.إ0,إ pp. 1–10, 2015.

[7] A.إ M.إ R.إ R.إ Bandara,إ “Aإ Retinalإ Imageإ Enhancementإ Techniqueإ forإ Bloodإ Vesselإ Segmentation Algorithm A Retinal Image Enhancement Technique for Blood Vessel SegmentationإAlgorithm,”إpp.إ1–5, 2017.

22 EnhancementإFilteringإ*.”

[9] T. A. Soomro, T. Mahmood Khan, M. A. U. Khan, J. Gao, M. Paul, and L. Zheng, “Impactإ ofإ ICA-Based Image Enhancement Technique on Retinal Blood Vessels Segmentation,”إIEEE Access, vol. 6, no. section II, pp. 3524–3538, 2018.

[10] P.إ Dai,إ H.إ Sheng,إ J.إ Zhang,إ L.إ Li,إ J.إ Wu,إ andإ M.إ Fan,إ “Retinalإ Fundus Image Enhancementإ Usingإ theإ Normalizedإ Convolutionإ andإ Noiseإ Removing,”إ vol.إ 2016,إ 2016.

[11] E.إ Erwin,إ A.إ Nevriyanto,إ andإ D.إ Purnamasari,إ “Imageإ enhancementإ usingإ theإ imageإ

sharpening, contrast enhancement, and Standard Median Filter (Noise Removal) with

pixel-based and human visual system-basedإ measurements,”إ ICECOS 2017 -

Proceeding 2017 Int. Conf. Electr. Eng. Comput. Sci. Sustain. Cult. Herit. Towar. Smart

Environ. Better Futur., vol. 1, no. 1, pp. 114–119, 2017.

[12] C.إJ.إNelsonإ andإB.إObara,إ“The Multiscale Bowler-Hat Transform for Blood Vessel EnhancementإinإRetinalإImages.” [13] R.إS.إKumar,إM.إNivetha,إG.إMadhumita,إandإP.إSanthoshy,إ“ImageإEnhancementإusingإ NHSIإModelإEmployedإinإColorإRetinalإImages,”إvol.إ58,إno.إ1,إpp.إ14–19, 2018. [14] K. MehtaإandإM.إT.إS.إCse,إ“AnإEnhancedإSegmentationإTechniqueإforإBloodإVesselإ inإRetinalإImages,”إvol.إ150,إno.إ6,إpp.إ9–15, 2016. [15] S.إS.إAlharbi,إÇ.إSazak,إC.إJ.إNelson,إandإB.إObara,إ“CurvilinearإStructureإEnhancementإ

by Multiscale Top-Hat Tensor in 2Dإ/إ3DإImages,”إpp.إ1–8.

[16] A.إL.إI.إM.إReza,إ“RealizationإofإtheإContrastإLimitedإAdaptiveإHistogramإEqualizationإ

( CLAHE ) for Real-TimeإImageإEnhancement,”إJ. VLSI Signal Process., vol. 38, pp.

35–44, 2004.

[17] S.إ A.إ Amiri,إ “Aإ Preprocessingإ Approachإ Forإ Imageإ Analysisإ Usingإ Gammaإ Correction,”إInt. J. Comput. Appl., vol. 38, no. 12, 2012.

23

[18] C.إDarujati,إS.إAnam,إH.إD.إCahyono,إandإA.إB.إGumelar,إ“MagnifikasiإPerbaikanإCitraإ

Digital Multi Resolusi dengan Metode Gabungan Tapis Lolos Bawah dan Interpolasi Bilinear,”إJ. Ilm. Mikrotek, vol. 1, no. 2, 2014.

[19] A. Mcandrew, An Introduction to Digital Image Processing with Matlab. 2004.

[20] O. Marques, Practical image and video processing using matlab ®. 2011.

[21] E.إ P.إ Purwandari,إ R.إ U.إ Hasibuan,إ andإ D.إ Andreswari,إ “Identifikasiإ Jenisإ Bambuإ

Berdasarkan Tekstur Daun dengan Metode Gray Level Co-Occurrence Matrix d an Gray

Level Run Length Matrix Identification of Bamboo Species Based on Leaf Texture

using Gray Level Co-OccurrenceإMatrixإandإGrayإLevelإRunإLengthإMatrix,”إvol.إ6,إ

no. October, pp. 146–151, 2018.

[22] T. R. Singh, S. Roy, O. I. Singh, T.إSinam,إandإK.إM.إSingh,إ“AإNewإLocalإAdaptiveإ ThresholdingإTechniqueإinإBinarization,”إvol.إ8,إno.إ6,إpp.إ271–277, 2011.

[23] S.إSahu,إA.إKumar,إS.إP.إGhrera,إandإM.إElhoseny,إ“Anإapproachإforإde-noising and

contrast enhancement of retinal fundus image usingإ CLAHE,”إOpt. Laser Technol.,

2018.

[24] Z.إ Xu,إ X.إ Liu,إ andإ X.إ Chen,إ “Fogإ Removalإ fromإ Videoإ Sequencesإ Usingإ Contrastإ LimitedإAdaptiveإHistogramإEqualization,”إpp.إ3–6, 2009.

[25] F.إ K.إ P,إ D.إ Saepudin,إ andإ A.إ Rizal,إ “Analisisإ Contrastإ Limitedإ Adaptive Histogram

Equalization ( Clahe ) Dan Region Growing Dalam Deteksi Gejala Kanker Payudara PadaإCitraإMammogram,”إJ. Elektro, vol. 9, pp. 1–14, 2014.

[26] A.إStellaإandإB.إTrivedi,إ“ImplementationإofإOrderإStatisticإFiltersإonإDigitalإImageإandإ OCTإImage :إAإComparativeإStudy,”إvol.إ2,إno.إ5,إpp.إ3143–3145, 2012.

[27] L. O. Iheme, Frequency Domain Bandpass Filtering for Image Processing. 2011.

[28] G.إDeng,إ“AإGeneralizedإUnsharpإMaskingإAlgorithm,”إIEEE Trans. Image Process.,

24

[29] J. Joseph,إB.إN.إAnoop,إJ.إWilliams,إandإJ.إJoseph,إ“Aإmodifiedإunsharpإmaskingإwithإ adaptiveإ thresholdإ andإ objectivelyإ definedإ amountإ basedإ onإ saturationإ constraints,”إ Multimed. Tools Appl., pp. 11073–11089, 2019.

[30] Y. Zhao, Y. Zheng, Y. Liu, Y. Zhao, L. Luo,إandإS.إYang,إ“Automaticإ2-D / 3-D Vessel EnhancementإinإMultipleإModalityإImagesإUsingإaإWeightedإSymmetryإFilter,”إvol.إ 37, no. 2, pp. 438–450, 2018.

[31] E.إ Daniel,إ “Retinalإ Imageإ Enhancementإ usingإ Waveletإ Domainإ Edgeإ Filteringإ andإ Scaling,”إvol.إ00, no. c, pp. 53–57, 2014.

[32] M.إ Zhou,إ K.إ Jin,إ S.إ Wang,إ J.إ Ye,إ D.إ Qian,إ andإ S.إ Member,إ “Colorإ Retinalإ Imageإ EnhancementإBasedإonإLuminosityإandإContrastإAdjustment,”إvol.إ9294,إno.إc,إ2017. [33] MichaelإGoldbaum,إ“STAREإdatabase,”إ2003.إ.

[34] J. J. Staal, M. D. Abramoff, M. Niemeijer, M. A. Viergever, and B. van Ginneken, “Ridgeإ basedإ vesselإ segmentationإ inإ colorإ imagesإ ofإ theإ retina,”إIEEE Trans. Med. Imaging, vol. 23, no. 4, pp. 501–509, 2004.

[35] R.إ B.إ Kawadiwale,إ “Evaluationإ ofإ Algorithmsإ forإ Segmentation of Retinal Blood Vessels,”إvol.إ00,إno.إc,إ2015.

[36] V.إK.إandإM.إG.إA.إHoover,إ“LocatingإBloodإVesselsإinإRetinalإImagesإbyإPiece-wise ThrehsoldإProbingإofإaإMatchedإFilterإResponse,”إIEEE Trans. Med. Imaging, vol. vol. 19 no, pp. pp. 203–210, 2003.

[37] T.إKiyatmoko,إ“RetinalإVesselإExtractionإUsingإDynamicإThresholdإandإEnhancementإ ImageإFilterإFromإRetinaإFundus,”إ2019.